构筑“自旋选择通道”以加速锂氧电池反应动力学
在锂氧气电池(LOB)的O2/Li2O2正极反应过程中,涉及三线态O2与单线态Li2O2之间的相互转化,该过程的电子转移速率是自旋相关的,但这样的自旋相关性往往被无意地忽视了。理论上,非自旋守恒的电子跃迁过程是量子力学禁阻的,需要施加额外的能量迫使自旋翻转再发
在锂氧气电池(LOB)的O2/Li2O2正极反应过程中,涉及三线态O2与单线态Li2O2之间的相互转化,该过程的电子转移速率是自旋相关的,但这样的自旋相关性往往被无意地忽视了。理论上,非自旋守恒的电子跃迁过程是量子力学禁阻的,需要施加额外的能量迫使自旋翻转再发
接下来要讨论的内容或观点可能会朝这个方向发展。虽然我们已经理解的量子力学的基本原理(叠加原理、量子纠缠、量子态的测量、不确定性原理、量子隧穿效应等)足以开始构建量子计算机,但随着我们推进理解的边界,可能会发现新的原则或限制,使量子计算变得不可能或不切实际。但这
2024年诺贝尔物理学奖授予机器学习人工神经网络相关的研究,很多人对此深感意外。如果我们把“物理学”定义为对自然世界的研究,人工神经网络作为完全由人类创造的抽象系统,属于物理学的范畴吗?著名科普杂志Physics Today近期发表文章梳理了诺奖得主 John
量子自旋液体的研究是当代凝聚态物理学中的前沿领域,揭示了许多挑战我们对量子力学传统理解的奇异物质状态。最近在《自然物理学》期刊上发表的论文,深入探讨了量子自旋冰系统中分数激发和涌现规范场的行为,提供了新的见解。
近些年来 AI for Science 在众多领域取得重大成功。其中,基于神经网络的量子变分蒙特卡洛方法 (NNVMC) 在量子化学领域展现出强大潜力,备受关注。
二维过渡金属二硫族化合物(TMDs)因其良好的物理化学特性,在光电子学、催化、传感、磁学和能量存储等许多领域有着广阔的应用前景。TMDs中少量缺陷便会对材料性能产生显著影响,引入本征材料所不具备的新功能。例如缺陷作为催化活性位点提高电催化性能、诱导局域磁矩以及
尽管锂硫电池具有高能量密度和低成本等特点,但其大规模商业化仍面临重大挑战。其中包括由于穿梭效应而导致的活性物质损失,以及由于绝缘S和Li 2S在正极界面积聚而导致的电池失效。提高活性物质的氧化还原动力学及其转化率,并缓解这些问题的一个有效途径是合理设计具有强吸